案例08｜Table 9.5／9.6：SADC vs Southern African Development Community 的 Prompt Sensitivity

一、案例定位

本案例依原書 9.5、Tables 9.5–9.6 整理。

檢查 Acronym 與 Full Name 的細微 Prompt Wording 差異如何改變 ChatGPT Output。

二、學習目標

掌握 SADC Prompt 的五大 Concern。
理解 Full-name Prompt 重新帶回 Biodiversity Concern。
認識 Acronym Search 的 Completeness Risk。

三、案例情境

作者針對 Region 同時使用 SADC 與 Southern African Development Community。兩個 Prompt 代表相同 Entity，但 ChatGPT 產出的 Top Concern Set 不完全相同，成為本章最重要的 Prompt Engineering Findings 之一。

四、開始資料

Search Wording	可確認 Findings	比較結果
SADC	Water Scarcity and Drought；Agriculture Impacts；Rising Temperatures and Heatwaves；Sea-Level Rise and Coastal Vulnerability；Extreme Weather Events	未列 Biodiversity／Health Risks
Southern African Development Community	原書明確指出 Biodiversity and Ecosystem Services Loss 出現	Health Risks 仍未出現
Table 9.6 Solutions	來源文字未可靠復原完整兩欄 List	作者表示兩種 wording 的 Solution 亦有比較，Regional Concern–Solution Alignment 較好

五、Excel／AI 分析方法

Excel 建立 Prompt Variant × Output Label Matrix，計算 Overlap／Unique Item；AI 可協助 Semantic Normalization，但必須保留 Raw Output。

六、計算結果

可確認：SADC 與 Full Name 產生不同 Concern Set；Full Name 帶回 Biodiversity，兩者都沒有 Health Risks。Table 9.6 完整 Cell 不補猜。

七、結果分析與管理解讀

即使 Entity 相同，Prompt 的 Acronym／Full Name 也可能改變模型檢索或生成的概念集合。作者因此建議熱門 Acronym 應兩種寫法都查並比較 Completeness。

八、AI 提問詞

對同一 Entity 同時使用 acronym 與 full name 查詢，保存兩組原始輸出，建立 overlap/difference table；不要把其中一組默認為唯一完整答案。